Les modèles prédictifs d’IA sont de plus en plus utilisés par les grands laboratoires pharmaceutiques. Quels sont les bénéfices et les challenges à relever ?

L’intelligence artificielle permet de développer un modèle causal, c’est-à-dire permet de connaître très tôt les raisons du succès ou de l’échec d’un médicament.

C’est dans ce but que, dans l’industrie pharmaceutique, les outils d’AI sont utilisés pour concevoir et choisir le meilleur « design » d’essai clinique. 

Il y a plusieurs bénéfices à utiliser un modèle causal d’AI dans le développement clinique.

Réduction du risque d’échec.

Le modèle permet d’identifier des drogues qui sont davantage susceptibles de rencontrer le succès lors de l’essai clinique, ce qui réduit le risque d’échec, fait gagner du temps et de l’argent.

Accélération du développement

En identifiant très tôt dans le process les molécules prometteuses, le modèle réduit considérablement la durée de développement.

Amélioration de la conception des études.

Le modèle améliore le design de l’étude en choisissant le format des essais qui donneront les meilleurs résultats.

Réduction des coûts

En réduisant le nombre d’essais infructueux, le modèle IA peut améliorer le ratio Coût /efficacité du développement clinique.

Ce modèle fait face à quelques challenges : taille des données à entrer dans le modèle (big data) ; qualité de ces données ; nécessité que le modèle soit approuvé sur le plan réglementaire, car les agences sont peu habituées à de tels modèles.

Source : outsourcing pharma